機器視覺與機器學習(算法原理框架應用與代碼實現) ( 簡體 字) |
| 作者：編者:宋麗梅//朱新軍|責編:尚晨 | 類別：1. -> 教材 -> 數位影像處理
2. -> 程式設計 -> 程式設計 18 |
| 譯者： |
| 出版社：機械工業 |  3dWoo書號： 53047
詢問書籍請說出此書號！【有庫存】
NT售價： 590 元 |
| 出版日：6/1/2020 |
| 頁數：378 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111654544 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書內容共10章。第1章為緒論，包括機器視覺的相關概念，機器視覺的發展、基本任務、應用領域與困難，以及馬爾視覺理論；第2章為數字圖像處理；第3章為相機成像；第4章為相機標定；第5章為Shape from X；第6章為雙目立體視覺；第7章為結構光三維視覺；第8章為深度相機，介紹當前頗受歡迎的Kinect、Intel RealSense等深度相機的知識與相關應用；第9章為機器學習基礎；第10章為機器學習在機器視覺領域的應用，包括機器學習在模式識別、圖像超分辨率重建、圖像去噪、目標跟蹤、三維重建等方面的應用。
本書除第1章和第9章，其他各章都配有應用案例，包括案例的分析過程、實驗設置、實驗數據、程序代碼及運行結果。案例的編程實現采用了MATLAB、C++、Python程序設計語言，使用了OpenCV函數、MATLAB視覺與圖形工具箱、Scikit-Learn機器學習工具包，以及MatConvNet、TensorFlow、Keras深度學習框架。通過講解案例背景與原理、設計思路、實驗步驟、開發環境與工具和實驗結果，使讀者能夠根據案例理解相關內容，加強工程實際應用中理論和知識的學習。同時，本書對從事機器視覺與機器學習的科研人員和工程師也具有一定的參考作用。 |
目錄：第1章緒論
1.1機器視覺
1.1.1機器視覺的發展
1.1.2機器視覺與其他領域的關系
1.2機器視覺研究的任務、基本內容、應用領域與困難
1.2.1任務
1.2.2基本內容
1.2.3應用領域
1.2.4困難
1.2.5機器視覺與人類視覺的關系
1.3馬爾視覺理論
1.3.1視覺是一個復雜的信息加工過程
1.3.2視覺系統研究的三個層次
1.3.3視覺系統處理的三個階段
1.4習題
第2章數字圖像處理
2.1圖像預處理
2.1.1圖像濾波
2.1.2二值化
2.1.3邊緣提取
2.2圖像分割
2.3數字圖像處理的數學工具
2.3.1傅里葉變換圖像處理
2.3.2離散余弦變換
2.3.3偏微分方程圖像處理
2.3.4小波變換等時頻分析方法
2.3.5形態學處理
2.4圖像特征提取
2.4.1特征提取算法
2.4.2主成分分析
2.4.3SIFT特征點
2.4.4SURF特征點
2.5案例——燈泡燈腳檢測中的圖像處理
2.5.1檢測背景
2.5.2圖像處理過程與結果
2.6習題
第3章相機成像
3.1射影幾何與幾何變換
3.1.1空間幾何變換
3.1.2三維到二維投影
3.2成像模型
3.2.1線性模型
3.2.2非線性模型
3.3圖像亮度
3.3.1亮度模式
3.3.2傳感器
3.3.3感知顏色
3.4數字相機與光源
3.4.1光源
3.4.2鏡頭
3.4.3相機接口
3.5案例——光源對成像的影響
3.5.1實驗設備
3.5.2光源照明效果
3.5.3鉚釘光源實驗
3.6習題
第4章相機標定
4.1相機標定基礎
4.1.1空間坐標系
4.1.2空間坐標系變換
4.2相機標定方法
4.2.1Tsai相機標定
4.2.2張正友標定
4.3相機標定的MATLAB與OpenCV實現
4.3.1MATLAB棋盤格標定
4.3.2OpenCV棋盤格標定
4.4圓形板標定方法
4.4.1單相機標定
4.4.2立體相機標定
4.5單相機與光源系統標定
4.5.1背景
4.5.2原理與方法
4.6案例——顯微測量標定
4.6.1顯微標定模型
4.6.2相機標定實驗
4.7案例——機器人手眼標定
4.7.1機械臂坐標系
4.7.2手眼標定
4.8習題
第5章Shape from X
5.1Shape from X技術
5.2光度立體
5.2.1典型算法介紹
5.2.2典型算法實現
5.2.3算法實例
5.3從陰影恢復形狀
5.3.1SFS問題的起源
5.3.2SFS問題的解決方案
5.3.3*小值方法
5.3.4演化方法
5.3.5局部分析法
5.3.6線性化方法
5.4從運動求取結構
5.4.1光流與運動場
5.4.2多視圖求取結構
5.5從紋理中恢復形狀
5.5.1從紋理恢復形狀的三種方法
5.5.2紋理模式假設
5.6案例——從陰影恢復形狀
5.6.1三維缺陷自動檢測
5.6.2氣泡大小的自動檢測
5.7習題
第6章雙目立體視覺
6.1雙目立體視覺原理
6.1.1雙目立體視覺測深原理
6.1.2極線約束
6.2雙目立體視覺系統
6.2.1雙目立體視覺系統分析
6.2.2雙目立體視覺：平行光軸的系統結構
6.2.3雙目立體視覺的精度分析
6.3雙目標定和立體匹配
6.3.1雙目立體視覺坐標系
6.3.2雙目立體視覺標定
6.3.3雙目立體視覺中的對應點匹配
6.4案例——雙目立體視覺實現深度測量
6.4.1相機標定
6.4.2實驗圖片采集和矯正
6.4.3圓心坐標提取
6.4.4視差和深度計算
6.4.5計算三維坐標并輸出三維空間位置
6.5案例——雙目立體視覺三維測量
6.5.1相機標定
6.5.2立體匹配
6.5.3三維重建
6.6習題
第7章結構光三維視覺
7.1條紋投影結構光三維形貌測量方法
7.1.1傅里葉變換法
7.1.2相移法
7.2條紋投影輪廓術
7.2.1基本原理
7.2.2DLP技術
7.3條紋投影中的條紋相位提取方法
7.3.1傅里葉變換法
7.3.2窗傅里葉脊法
7.3.3二維連續小波變換法
7.3.4BEMD法
7.3.5VMD法
7.3.6變分圖像分解法
7.4條紋投影三維測量
7.5案例——基于條紋投影結構光三維掃描儀的牙模掃描
7.6案例——線激光三維測量
7.6.1線激光三維測量原理（激光三角法）
7.6.2系統設計與搭建
7.6.3結果與分析
7.7習題
第8章深度相機
8.1三維測量原理
8.1.1飛行時間法
8.1.2結構光原理
8.2深度相機
8.2.1Kinect
8.2.2Intel RealSense
8.2.3MESA SR4000深度相機
8.3案例——基于Kinect的SLAM
8.3.1RGB-D視覺SLAM算法流程
8.3.2RGB-D視覺SLAM前端算法
8.3.3RGB-D視覺SLAM后端算法
8.3.4實驗設計與結果分析
8.4案例——大場景三維重建
8.4.1三維激光掃描
8.4.2法如三維激光掃描儀的使用方法
8.4.3測量試驗與結果
8.5習題
第9章機器學習基礎
9.1機器學習簡介
9.2機器學習的相關數學知識
9.2.1矩陣運算
9.2.2優化
9.2.3概率論
9.3機器學習的主要方法
9.3.1人工神經網絡
9.3.2支持向量機
9.3.3K均值聚類
9.3.4集成學習
9.3.5深度學習和深度神經網絡
9.4習題
**0章機器學習在機器視覺領域的應用
10.1機器學習在超分辨率重建中的應用
10.2機器學習在模式識別中的應用
10.2.1基于Pytorch的LeNet-5手寫字符識別
10.2.2基于TensorFlow的交通標志識別
10.2.3基于深度學習框架MatConvNet的圖像識別
10.2.4基于深度學習框架MatConvNet的圖像語義分割
10.3機器學習在圖像去噪領域中的應用
10.4機器學習在目標跟蹤中的應用
10.5機器學習在三維重建中的應用
10.5.1雙目視覺
10.5.2光場成像與重建
參考文獻 |
| 序： |
